Nos tutoriels en science des données

Découvrez les chaînes de caractères Python. Trouvez différents exemples et types de format de docstrings pour Sphinx, Numpy et Pydoc.

Découvrez comment importer des données dans R, y compris des fichiers CSV, JSON, Excel, HTML, des bases de données, SAS, SPSS, Matlab et d'autres fichiers à l'aide des packages R les plus courants.

Apprenez à convertir une colonne de tableau de tableur en minuscules en utilisant .str.lower().

Avec Chroma DB, vous pouvez facilement gérer des documents texte, convertir du texte en embeddings et effectuer des recherches de similarités.

Découvrez les bases de l'écriture de scripts bash et apprenez à écrire un script bash.

Découvrez notre guide pas à pas sur l'exécution de commandes externes à l'aide du module subprocess de Python, avec des exemples à l'appui.

Apprenez tout sur la compréhension des dictionnaires en Python : comment vous pouvez l'utiliser pour créer des dictionnaires, pour remplacer les boucles for (imbriquées) ou les fonctions lambda par map(), filter() et reduce(), ... !

Ce tutoriel vous présentera le concept de détection d'objets en Python à l'aide de la bibliothèque OpenCV et vous expliquera comment l'utiliser pour effectuer des tâches telles que la détection de visages.

Apprenez à utiliser Stable Diffusion, un modèle d'apprentissage profond open-source avancé qui génère des images de haute qualité à partir de descriptions textuelles. Ce tutoriel couvre les bases du fonctionnement du modèle et les instructions étape par étape pour exécuter Stable Diffusion en ligne et localement.

Découvrez le rôle crucial des fonctions de perte dans l'apprentissage automatique grâce à notre guide complet. Comprenez la différence entre les fonctions de perte et de coût, approfondissez les différents types tels que MSE et MAE, et apprenez leurs applications dans les tâches de ML.

Nous affinerons Llama 3 sur un ensemble de données de conversations entre patients et médecins, afin de créer un modèle adapté au dialogue médical. Après avoir fusionné, converti et quantifié le modèle, il sera prêt pour une utilisation locale privée via l'application Jan.

Apprenez à lire et à importer des fichiers Excel en Python, à écrire des données dans ces feuilles de calcul et à trouver les meilleurs packages pour ce faire.